後續的操作前,需要安裝如下python包
pip install dash==0.20.0 # the core dash backend
pip install dash-renderer==0.11.2 # the dash front-end
pip install dash-html-components==0.8.0 # html components
pip install dash-core-components==0.18.1 # supercharged components
pip install plotly --upgrade # plotly graphing library used in examples
dash應用包括兩個部分,應用布局(layout)和資料互動(interactivity)。其中布局部分用來展示資料以及引導使用者使用。dash提供了dash_core_components
和dash_html_components
, 以類的方式對html和js進行封裝,便於呼叫。下面先構建乙個最簡單的布局
import dash
import dash_core_components as dcc
import dash_html_components as html
html.h1(children = 'hello dash'),
html.div(children = '''
'''),
dcc.graph(
id = 'example-graph',
figure = ,,],
'layout':})
])if __name__ == '__main__':
其次這個應用的布局(layout)由html元件(html.div等)和圖形元件(dcc.graph等)構成。其中基礎的html標籤來自於dash_html_components
,而更加react.js庫里的高階元件則是由dash_core_components
提供。
最後的展示形式需要後期慢慢的調整, 比如說調整一下字型對齊, 字型顏色和背景顏色等
import dash_core_components as dcc
import dash_html_components as html
colors =
children=[
html.h1(
children = 'hello dash',
style =
),html.div(children = '''
''', style =
),dcc.graph(
id = 'example-graph',
figure = ,,],
'layout':,
'title':'dash data visualization'}}
)])if __name__ == '__main__':
這裡的html元件都設定了style
,用來調整樣式,
比如說這裡可以基於pandas的資料庫建立散點圖
import dash
import dash_core_components as dcc
import dash_html_components as html
import plotly.graph_objs as go
import pandas as pd
df = pd.read_csv(
'' +
'5d1ea79569ed194d432e56108a04d188/raw/' +
'a9f9e8076b837d541398e999dcbac2b2826a81f8/'+
'gdp-life-exp-2007.csv')
plot = [dcc.graph(
id = 'life-exp-vs-gdp',
figure =
},name = i
) for i in df.continent.unique()
],'layout': go.layout(
xaxis=,
yaxis=,
margin=,
legend=,
hovermode='closest')}
)]html.div(children=[
html.div(classname='col-md-4'),
html.div(plot,classname='col-md-4')],
classname='row'
))my_css_url = ""
"external_url": my_css_url
})my_js_url = ''
"external_url": my_js_url
})if __name__ == '__main__':
這部分**將圖形部分的**從html元件中抽離出來,寫完之後,再新增到html總體元件中。此外還增加了bootstrap
的css樣式。
dash的dash_html_components
支援原生的html語句,而dash_core_components
得markdown
提供了markdown得渲染。
import dash
import dash_core_components as dcc
import dash_html_components as html
markdown_text = '''
### dash and markdown
dash uses the [commonmark](
specification of markdown.
check out their [60 second markdown tutorial](
if this is your first introduction to markdown!
''' dcc.markdown(children=markdown_text)
])if __name__ == '__main__':
dash_core_components
裡不僅僅提供了markdown, graphs這些圖形元件,還支援下拉欄等其他使用工具,可在進一步了解
這部分主要是學習了dash應用得layout
.layout
是不同元件的層級關係樹,最後結果是html頁面。html頁面的html基本語法由dash_html_components
提供,而高階的繪圖和下拉欄等則是由dash_core_components
提供.
dash文件 Part4 互動式視覺化
dash core components庫包含乙個名為graph的元件 dcc.graph元件具有四個可以通過使用者互動進行更改的屬性 hoverdata,clickdata,selecteddata,relayoutdata。當將滑鼠懸停 單擊點或在圖形中選擇點的區域時,這些屬性會更新,將互動活動...
Python資料互動式視覺化 互動式視覺化
雖然靜態資料視覺化是向提取和解釋資料集所擁有的價值和資訊這一目標邁出的巨大飛躍,但互動性的增加使這些視覺化向前邁了一大步。互動式資料視覺化具有以下特點 讓我們從乙個示例開始,了解通過互動式視覺化可以實現的目標。讓我們考慮乙個註冊健身房會員的資料集 圖略以下是箱形圖形式的靜態資料視覺化,它描述了按性別...
Python資料互動式視覺化 地理資料
霍羅珀斯地圖是具有不同劃分的區域的對映,該劃分具有不同顏色,以指示該劃分中特定特徵的值。該劃分可以是國家,州,地區或任何其他有據可查的區域。例如,您可以使用世界地圖,國家 地區地圖上的國家 地區人口視覺化,或使用choropleth地圖使用某種技術的人口百分比視覺化。在此,我們將使用在 資料世界 中...